– Norge setter av 10 ganger mer kraft til datasentre enn vi trenger

Programvareutviklere er blant yrkesgruppene som bruker mest KI. Og flere skal følge etter. 

Men mine beregninger viser at med en svært KI-intensiv utvikler som øvre referanse, full innføring i hele arbeidslivet og bevisste avrundinger oppover, blir behovet langt mindre enn det som i dag er reservert til nye datasentre. 

• Beregningen min tar utgangspunkt i en KI-intensiv programvareutvikler og skalerer behovet til hele norsk arbeidsliv ved hjelp av SSBs tall for hvor mye ulike yrker kan bruke KI. 

• Selv i et scenario med høyt forbruk er det samlede behovet for alle arbeidstakere på rundt 0,3 GW. 

• Til sammenligning var 3,5 GW nettkapasitet reservert til nye datasentre per mars 2026. 

Den reserverte nettkapasiteten er dermed over ti ganger mer enn det beregnede KI-behovet! 

Begrunnelsen for nye datasentre med generelle henvisninger til KI, digitalisering og framtidige arbeidsplasser understøttes dermed ikke av disse beregningene.

Politikere bør i stedet spørre: Hva får Norge igjen for kraften og nettkapasiteten som brukes?

Programvareutvikling som referanse 

Programvareutvikling har endret seg kraftig de siste årene. Stadig mindre kode skrives manuelt.

• I stedet får KI-agenter i oppgave å undersøke systemer, planlegge løsninger, implementere, teste og gjennomgå resultatet.

• Flere agenter kan arbeide parallelt. Agenter kan også jobbe uten at noen sitter og venter på dem.

• De kan gjennomgå logger om natten, finne mulige feil, foreslå tiltak, oppdatere dokumentasjon og kontrollere pull requests. 

Dette er en svært høy grad av KI-bruk. Derfor er programvareutviklere en nyttig øvre referanse når behovet for datakraft i norsk arbeidsliv skal beregnes. 

Spørsmålet er ikke om andre yrker vil bruke KI. Spørsmålet er heller hvor mye datakraft de vil trenge sammenlignet med en utvikler som bruker flere KI-agenter gjennom store deler av arbeidsdagen. 

Fra én utvikler til hele arbeidslivet 

En rådgiver kan bruke KI til å utforme et tilbud. En jurist kan sammenligne et kontraktsforslag med et tidligere tilbud. En saksbehandler kan få dokumenter oppsummert, informasjon samlet og forslag til svar. 

KI kan også inngå i større prosesser. Den kan klassifisere henvendelser, hente ut informasjon fra dokumenter, kontrollere fakturaer, tolke tale og bilder eller foreslå neste steg i en arbeidsflyt. 

Dette kan gi stor nytte. Men det betyr ikke at alle arbeidstakere trenger like mye datakraft som en programvareutvikler. 

En butikkmedarbeider, gartner, elektriker eller barnehagelærer arbeider hovedsakelig med mennesker eller den fysiske verden. KI kan hjelpe med enkelte oppgaver, men vil neppe kjøre kontinuerlig på vegne av hver enkelt ansatt. 

Hvor mye strøm tilsvarer én KI-tung utvikler? 

Referanseverdien bygger på et faktisk utviklingsmiljø der omtrent 20 utviklere deler en maskin med åtte NVIDIA H100-kort. Ulike åpen kildekodemodeller som GLM 5.3 Flash ble benyttet, også med flere agenter i parallell.

• Målt effekt på GPU-ene var omtrent 4.4 kW. Fordelt på 20 utviklere tilsvarer dette rundt 220 watt per utvikler. Dette er ikke en nøyaktig måling av hver enkelt utviklers forbruk.

• Belastningen varierer, GPU-ene deles, og prosessorer, lagring, nettverk og kjøling kommer i tillegg. Men størrelsesordenen kan sammenlignes med kraftige lokale KI-maskiner. 

• En maksimalutstyrt Mac Studio med M3 Ultra bruker ifølge Apple opptil 270 watt fra veggen. NVIDIA DGX Spark har en strømforsyning på 240 watt og en systembrikke med TDP på 140 watt.

• Den større DGX Station har en oppgitt maksimal systemeffekt på 1.600 watt og kan deles i opptil sju isolerte instanser. En enkel fordeling gir omtrent 230 watt per instans. 

Dette er ikke sammenlignbare ytelsestester, men de peker mot samme størrelsesorden: En svært kraftig KI-arbeidsplass krever noen hundre watt, ikke flere kilowatt per person.

SSB gir et grunnlag for å vekte yrkene 

Neste spørsmål er hvor stor del av utviklerens forbruk som skal tilordnes andre yrker. Her finnes det et bedre grunnlag enn skjønnsmessige vurderinger:

• SSB har koblet 24.477 arbeidsoppgaver til 390 norske yrker og gitt dem en eksponeringsskår for generativ KI.

• Skåren beskriver hvor stor del av oppgavene som kan utføres vesentlig raskere ved hjelp av språkmodeller og tilhørende programvare. 

• Programvareutviklere får en eksponeringsskår på 0,90. Renholdere ligger på 0,024, murere på 0,023 og betongarbeidere på 0,008. For norsk arbeidsliv samlet ligger skåren rundt 0,34–0,35, avhengig av hvordan arbeidstid vektes.

KI-indeksen bruker den samme oppgavebaserte tilnærmingen, men tilbyr også et nyere mål basert på dokumentert KI-bruk. Rangkorrelasjonen mellom metodene er oppgitt til 0,94. Metodene er altså ikke identiske, men begge plasserer informasjonsintensive yrker høyt og mange fysiske yrker lavt.

I beregningen settes programvareutviklere til 100 prosent. Andre yrker skaleres relativt til utviklernes skår: 

yrkesfaktor = yrkets eksponeringsskår / 0,90 

En samlet eksponering på 0,35 tilsvarer dermed omtrent 39 prosent av utviklerreferansen. 

Dette er også modellens største usikkerhet. KI-eksponering er ikke det samme som strømforbruk. Skåren sier noe om hvilke oppgaver KI kan påvirke, men ikke hvor mange forespørsler som vil bli sendt, hvor lange de blir eller hvilke modeller som brukes. Skåren brukes derfor som en transparent vektingsnøkkel, ikke som en direkte måling av strømforbruk. 

Anthropic flytter trolig inn i Tydal

Den foreløpig hemmelige kunden til Tydal Data Center er trolig avslørt, men datasenteret vil fortsatt ikke si noe.

Et bevisst høyt scenario 

SSB registrerte omtrent 3,14 millioner jobber med kjent yrkeskode. Dersom alle regnes som fulle brukere, og alle yrker når sitt beregnede KI-potensial, blir regnestykket: 

3,14 millioner jobber × 0,35 / 0,90 × 220 watt = 269 MW 

Avrundet oppover gir dette rundt 0,3 GW når arbeidslivet er aktivt. 

Flere av forutsetningene trekker anslaget opp: 

• Alle yrker antas å ha tatt KI fullt i bruk. 

• Jobber telles uten full korrigering for deltid. 

• KI-intensive utviklere brukes som øvre referanse. 

• Resultatet rundes opp. 

Med 1.725 arbeidstimer i året tilsvarer dette omtrent 0,5 TWh årlig til selve IT-utstyret. Kjøling og annen datasenterdrift kommer i tillegg. 

Selv om referanseverdien dobles fra 220 til 440 watt per utvikler, er resultatet fortsatt langt unna flere gigawatt. Beregningen er derfor ikke en prognose. Den er en stresstest av påstanden om at norsk arbeidsliv trenger flere gigawatt ny datasenterkapasitet for å ta i bruk KI. 

Datasenterveksten er langt større 

NVE anslår at norske datasentre vil øke strømforbruket fra 3,3 TWh i 2025 til rundt 8 TWh i 2030. Det er en vekst på 4,7 TWh i året. 

Det høye scenarioet for hele det norske arbeidslivets KI-bruk tilsvarer til sammenligning omtrent 0,5 TWh i året. NVEs forventede vekst i datasentrenes strømforbruk er dermed rundt ni til ti ganger større. 

Forskjellen er enda tydeligere når effekt sammenlignes.

Per mars 2026 var 3.500 MW nettkapasitet reservert til nye datasentre. Det er mer enn ti ganger beregningen på rundt 300 MW for norsk arbeidsliv. 

Sammenligningen viser ikke at kapasiteten er unødvendig. Datasentre brukes også til skytjenester, lagring, modelltrening og tjenester for utenlandske kunder. 

Men forskjellen viser at planlagt datasentervekst vanskelig kan forklares med det norske arbeidslivets behov for KI alene. 

Få jobber for utviklere på datasentre

Hvem jobber egentlig på et datasenter? Ikke utviklere, i alle fall, ifølge fersk forsking. – Det er ikke nødvendigvis bedre for norsk IT-næring om et datasenter ligger i Norge.

Hva er ikke med? 

Beregningen dekker ikke hele Norges framtidige KI-forbruk. 

• Trening av store grunnmodeller er ikke inkludert. Norske virksomheter kan finjustere modeller, bruke egne data og bygge søkeløsninger uten å trene nye grunnmodeller fra bunnen av.

• Privat KI-bruk er heller ikke inkludert. OpenAI fant at rundt 70 prosent av ChatGPT-bruken på forbrukerabonnementer ikke var arbeidsrelatert. Dette forbruket er reelt, men det er ikke et behov som følger av norske bedrifters digitalisering.

Forutsetningene og beregningene ligger åpent tilgjengelig på Datakraftbehov. 

Bare 1 av 4 nordmenn støtter satsning på datasentre

– Undersøkelsen viser at datasenternæringen har en betydelig tillitsutfordring.

Forslag til tiltak 

Nye datasentre kan ikke begrunnes med generelle henvisninger til KI, digitalisering og framtidige arbeidsplasser.

Det betyr ikke at Norge skal si nei til datasentre. Men før store nye etableringer får tilgang til knapp kraft og nettkapasitet, bør ett spørsmål besvares tydelig: 

Hva får Norge igjen for kraften? 

Store datasentre bør derfor vurderes etter samfunnsnytte.  

• Det kan innebære en konsesjonsordning, et tak på hvor mye effekt næringen samlet kan reservere eller tydeligere krav til hva prosjektene skal bidra med. 

• En annen mulighet er en form for FLOPS-skatt. Datasentre må stille en andel av regnekraften til rådighet for norske universiteter, forskning og offentlig innovasjon. 

Poenget er enkelt: 

Hvis Norge stiller kraft, nett og natur til disposisjon for den globale KI-industrien, bør Norge få mer igjen enn strømregningen og noen få arbeidsplasser. 

Varslere strengere regler for datasentre

– Hvis denne næringen skal ha legitimitet og oppslutning framover, som den fortjener, så er det viktig at lokalsamfunnene også ser at verdier blir igjen i vårt eget land.